第六章  偏好设置窗口

按 Ctrl+F5，或选择“工具 > 偏好设置”打开设置中心。左侧分类当前包括：通用设置、依赖管理、输出格式、命令行转录、高级设置、实时转录、快捷键、知识库管理和 REAPER 插件。

确定保存全部修改，取消放弃本次修改，Esc 等同于取消。可使用设置窗口内的搜索框按关键词筛选分类。

6.1 通用设置

配置方案管理支持新建、保存、删除、重命名、导入、导出和全部导出。配置方案适合在不同项目间切换不同的输出目录、引擎和 AI 参数。

路径与日志：
  - 输出目录：主窗口转录的默认输出目录；留空时使用程序目录下的 output。
  - 输出引擎运行日志：建议保持开启，关闭可能导致 Whisper 进度无法更新。
  - 调试模式：开启后把软件内操作、机器名、机器码、电脑配置和错误信息记录到以机器名命名的日志文件。
  - 任务自动保存间隔：按秒设置自动保存周期。
  - 启动默认行为：打开上次任务、新建空白任务或不执行任何操作。
  - 关闭窗口行为：退出程序，或隐藏到系统托盘并继续保留全局实时转录快捷键。

6.2 默认转录引擎

可选 Whisper、Qwen3-ASR、SenseVoice 或 FireRedASR2。这里的默认引擎同时影响主窗口启动后的选择和首次依赖准备流程；资源管理器右键转录有独立的默认值，见 6.5。

6.3 依赖管理

依赖目录默认是程序目录下的 data，也可以选择其他磁盘位置。依赖目录中包含 FFmpeg、Whisper 运行目录、Python 基础运行时、模型、声音和可选引擎组件。

安装程序本身不下载模型。根据当前选择的引擎，点击“下载或修复”会先检查基础依赖，再部署对应模型和运行时。Qwen3-ASR、SenseVoice 和 FireRedASR2 通过随包 Python 安装脚本按需部署；Whisper 模型直接从 Voxly 下载服务器获取。可执行操作包括：
  - 下载或修复依赖
  - 检查基础依赖；异常时提示下载修复组件
  - 选择 Whisper Large V3 Turbo（默认推荐）或 Medium（兼容）
  - 导入本地 Whisper 模型
  - 移除 Whisper 模型
  - 安装或移除 Qwen3-ASR、SenseVoice、FireRedASR2 组件
  - 取消正在进行的下载

下载窗口会显示下载、解压和部署状态。下载模型或依赖时会播放等待音效，普通转录不会播放等待音效。

四种引擎的选择建议：
  - 纯 CPU 或低配置电脑：首选 SenseVoice；中文、方言、会议或实时转录首选 FireRedASR2。
  - NVIDIA GPU：追求中文准确率和词级时间戳可选 Qwen3-ASR；多语言和兼容性优先可选 Whisper。
  - AMD GPU：Whisper 可尝试 Vulkan，但受显卡架构和驱动影响；稳定优先请选择 SenseVoice 或 FireRedASR2 的 CPU 推理。
  - SenseVoice 与 FireRedASR2 当前不使用 GPU；Qwen3-ASR 只支持 NVIDIA CUDA，不支持 AMD GPU。

升级到 2.9.2 时，启动检查若发现旧版 Qwen 部署会自动清理并提示重新下载。当前部署标记有效时不会重复清理。

6.4 输出格式

可选择 SRT、VTT、TXT、JSON 和 LRC。SRT 适合常规视频字幕，TXT 只保留文本，JSON 保留详细元数据，LRC 适合歌词式时间轴，VTT 适合网页视频。

其他选项：
  - 编辑时自动同步保存到所有已选格式
  - 导出/保存时包含说话人标记
  - 编辑前自动备份原始字幕文件
  - 自定义备份目录；留空时使用输出目录下的 backup

6.5 命令行转录

这里设置资源管理器右键转录的默认值。实际执行时仍会弹出标题为“Voxly”的命令行窗口，可按提示临时修改：
  - 默认引擎：Whisper、Qwen3-ASR、SenseVoice 或 FireRedASR2
  - GPU 优先，失败时自动回退 CPU
  - 默认输出格式：SRT、TXT、VTT、JSON、LRC，可多选
  - 默认输出目录：留空表示媒体所在目录
  - 默认启用 AI 校对

单文件、文件夹和文件夹空白处右键都使用同一套命令行流程。文件夹只扫描当前文件夹，不递归子文件夹；只处理支持的音视频扩展名。

6.6 高级设置

Whisper 性能：
  - 启用 GPU 加速
  - 启用 Flash Attention（仅 GPU）
  - CPU 线程数

Whisper 解码：
  - Temperature
  - Beam Size 和 Best Of
  - VAD 静音检测
  - 幻觉/重复过滤

文本后处理：
  - 长句处理：不处理、自动拆分、自动换行或 AI 智能换行
  - 单行最大字符数
  - 最大分段长度
  - 自定义 Prompt

Qwen3-ASR：
  - 使用 NVIDIA GPU（CUDA）；关闭后使用 CPU
  - 实时输出分段时长，默认 30 秒；缩短可降低显存峰值
  - 最大生成长度，默认 1024 Token；过小可能截断长句
  - Qwen 上下文，用于提供人名、术语和专有词

AI 服务：
  - 接口类型：DeepSeek 官方接口或 OpenAI 兼容接口
  - 服务预设：OpenRouter 或自定义
  - 模型：可从列表选择，也可手动输入
  - API Key 和接口地址
  - 刷新模型、查询余额、设为默认翻译接口
  - 转录完成后自动校对及默认校对模式
  - 余额低于阈值时预警

OpenAI 兼容接口并不等于只能使用 OpenRouter；选择“自定义”后可填写其他兼容服务的 URL、模型和 Key。旧配置中的 OpenRouter 字段名称仍会保留，但界面含义已经统一为 OpenAI 兼容接口。

说话人识别：可以调整聚类阈值和离线嵌入模型。阈值越大，越倾向合并为较少说话人；阈值越小，越倾向区分更多说话人。

6.7 实时转录

实时转录使用本地 FireRedASR2，以较低延迟提供前台会议转写和后台按住说话。软件启动后会后台预加载引擎，状态区显示“正在加载实时转录引擎”和“实时转录引擎已就绪”；点击前台实时转录时会复用已加载实例。可设置：
  - 识别语言：自动、中文或英文。
  - 最低置信度：结果低于该值时不写入，默认 0.55。
  - 实时转录后自动 AI 校对：前台停止后校对字幕；后台松开后静默校对再插入。
  - 插入文字后添加空格：适合在连续输入的文本框中使用。
  - 前台实时转录快捷键：默认 Ctrl+Alt+R。
  - 启用全局按住说话：启用后可在其他程序的输入框中按住快捷键说话。
  - 后台按住说话快捷键：默认 Ctrl+Alt+Space，按住开始，松开识别并插入。

前台停止后，识别段按开始和结束时间写入字幕编辑区并保存 SRT；后台按住说话在松开后把文本写入按下快捷键前的活动输入框。可口述“逗号”“句号”“问号”“感叹号”“换行”等标点命令。按下和松开会播放短提示音，普通插入过程不显示系统通知；启用自动 AI 校对后，后台校对和插入保持静默。

6.8 快捷键

列表显示可自定义操作及当前绑定。选择一行后点击修改，或双击该行录入新的组合键。保存前会检查冲突；恢复默认会覆盖自定义绑定。

6.9 知识库管理

包含“专有名词”和“纠错记忆”两个页签。术语库可记录原文、译文/替换词、注音、分类、优先级并支持 CSV 导入导出；纠错记忆可记录错误文本、正确文本和上下文，同样支持 CSV 导入导出。

6.10 REAPER 插件

显示已检测的 REAPER 资源目录。点击“一键安装到 REAPER”安装字幕扩展；使用便携版时可手动选择包含 reaper.ini 或 reaper.exe 的目录。安装完成后重启 REAPER。
